[發(fā)明專利]一種基于脈搏波的情緒識別方法

在審

• 申請?zhí)枺?/td>: 202010267615.6
• 申請日: 2020-04-08
• 公開（公告）號: CN111419250A
• 公開（公告）日: 2020-07-17
• 發(fā)明（設計）人: 郭藏燃;成家駒;李永帥
• 申請（專利權）人: 恒愛高科（北京）科技有限公司
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/02;A61B5/00
• 代理公司: 北京天作專利代理事務所(特殊普通合伙) 11727
• 代理人: 王影

一種基于脈搏波的情緒識別方法，包括以下步驟：1)對原始脈搏波信號進行帶通濾波，濾除原始脈搏波信號中0.4Hz以下的漂移信號和10Hz以上的噪聲信號；2)提取脈搏波的時間特征、波形特征和頻域特征；3)對提取的上述脈搏波特征進行降維；4)利用降維后的脈搏波特征，訓練情緒識別模型。本發(fā)明通過隨機抽樣的人群的脈搏波數(shù)據(jù)訓練情緒模型，從中分析出各種情緒的脈搏波信號模式，得到的模型為通用情緒識別模型，可用于大眾人群的情緒識別；為了提高個體情緒識別的準確度，進一步使用個體的數(shù)據(jù)進行優(yōu)化，通過訓練得到個體的私人定制情緒識別模型，能夠準確識別平靜、憤怒、驚奇、恐懼、悲傷、厭惡、愉悅七種基本情緒。

技術領域

本發(fā)明涉及生物醫(yī)學領域心理學領域和機器學習領域，具體涉及一種基于脈搏波的情緒識別方法。

背景技術

現(xiàn)代人類面臨著各種各樣的學習、生活和工作壓力，可能長時間處于負面情緒和亞心理健康狀態(tài)。情緒識別有助于人們了解自己和親朋的情緒，從而主動管理和調整情緒，對心理健康具有巨大價值。有研究認為情緒的決定因素是交感神經，而交感神經的活動水平可以通過心率變異性進行估計，心率變異性又可以通過分析脈搏波信號獲得。因此，由脈搏波信號分析得到的心率變異性參數(shù)具有識別情緒的潛能。但是市場缺少有效地利用脈搏波更好的識別情緒的方法。

為了解決上述問題，特此提出本發(fā)明。

發(fā)明內容

本發(fā)明的目的在于提出了一種基于脈搏波的情緒識別方法，能夠準確識別平靜、憤怒、驚奇、恐懼、悲傷、厭惡、愉悅七種基本情緒。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術方案：

一種基于脈搏波的情緒識別方法，包括以下步驟：

1)對原始脈搏波信號進行帶通濾波，濾除原始脈搏波信號中0.4Hz以下的漂移信號和10Hz以上的噪聲信號；

2)提取脈搏波的時間特征、波形特征和頻域特征；

3)對提取的上述脈搏波特征進行降維；

4)利用降維后的脈搏波特征，訓練情緒識別模型。

進一步的，所述脈搏波的時間特征包括脈搏波的脈率、降中波峰與主峰的時間間隔、降中峽與主峰的時間間隔、脈搏波升支時間長度、脈搏波的降支時間長度。

進一步的，所述脈搏波的波形特征包含降中峽高度占主峰高度的比例、降中波波峰高度占主峰高度的比例。

優(yōu)選的，步驟2)中提取脈搏波頻域特征的方法如下：a)使用脈搏波的時間特征，進行插值，得到脈搏波時間特征曲線；b)對脈搏波時間特征曲線濾波，去除曲線中的直流部分；c)對脈搏波時間特征曲線進行窗截取，截取1min的曲線進行傅里葉變換(FFT)得到該1min的頻譜曲線；d)截取頻譜曲線0-1hz的部分，結合該1min時間特征的均值、極大值、極小值和方差，作為頻域特征。

這里的插值是對一維的時間特征序列插值，采用的二次樣條插值算法。

進一步的，所述脈搏波特征降維分為兩步，第一步使用主成分分析(PCA)進行降維，第二步使用再進行線性判別分析(LDA)再次進行降維，最終得到維度為7的脈搏波特征向量。

將提取的未經降維的隨機抽樣人群的脈搏波特征全部輸入人工神經網絡(ANN)進行訓練，訓練結果作為通用情緒識別模型；將上述提取的脈搏波特征全部輸入人工神經網絡(ANN)進行訓練。

利用降維后的隨機抽樣人群的脈搏波特征向量，訓練多個支持向量機，然后用投票機制產生最終的情緒識別結果，作為通用情緒識別模型。

具體的，利用降維后的隨機抽樣人群的脈搏波特征向量，訓練21個支持向量機(SVM)，然后用投票機制產生最終的情緒識別結果，作為通用情緒識別模型。